[论文解读] Ripple: Reflection Analysis for Android Apps in Incomplete Information Environments

Yifei Zhang, Tian Tan+2 more|arXiv (Cornell University)|Dec 16, 2016

Advanced Malware Detection Techniques参考文献 32被引用 4

一句话总结

该论文提出了Ripple，这是首个针对Android应用的IIE感知静态反射分析方法，通过在不完整信息环境下利用类型推断，比传统字符串推断更可靠地解析反射调用。在17个热门应用上的评估表明，Ripple使FlowDroid能够检测到数百起此前遗漏的敏感数据泄露，且误报率极低。

ABSTRACT

Despite its widespread use in Android apps, reflection poses graving problems for static security analysis. Currently, string inference is applied to handle reflection, resulting in significantly missed security vulnerabilities. In this paper, we bring forward the ubiquity of incomplete information environments (IIEs) for Android apps, where some critical data-flows are missing during static analysis, and the need for resolving reflective calls under IIEs. We present Ripple, the first IIE-aware static reflection analysis for Android apps that resolves reflective calls more soundly than string inference. Validation with 17 popular Android apps from Google Play demonstrates the effectiveness of Ripple in discovering reflective targets with a low false positive rate. As a result, Ripple enables FlowDroid, a taint analysis for Android apps, to find hundreds of sensitive data leakages that would otherwise be missed. As a fundamental analysis, Ripple will be valuable for many security analysis clients, since more program behaviors can now be analyzed under IIEs.

研究动机与目标

• 识别并实证研究真实世界Android应用中不完整信息环境（IIEs）的普遍性，其中反射分析的关键数据流缺失。
• 解决现有反射分析技术（尤其是字符串推断）在类/方法/字段名称非常量或为null时的局限性。
• 设计并实现Ripple，一种IIE感知的反射分析方法，通过无需用户注解的类型信息自动推断反射目标。
• 通过使静态污点分析等下游安全分析能够检测到此前遗漏的程序行为，证明Ripple在提升分析效果方面的有效性。

提出的方法

• Ripple在Android应用中建模不完整信息环境（IIEs），即由于关键数据流缺失，无法通过常量字符串推断解析反射目标的情形。
• 它对反射调用点执行自动类型推断，包括接收者对象、类/方法名称静态未知或为null的情况。
• Ripple与Soot的Spark指针分析集成，以传播类型信息，并在无字符串常量时仍能推断反射目标。
• 该方法通过精确的上界近似，涵盖标准字符串推断，同时处理常量与非常量字符串情况，包括null值，实现更可靠的分析。
• 它使用流敏感和上下文无关的指针分析，追踪对象类型，并推断运行时实际指向的类、方法或字段。
• Ripple设计为可与现有静态安全分析框架（如FlowDroid）集成，以提升代码覆盖率和分析精度。

实验结果

研究问题

• RQ1 真实世界Android应用中不完整信息环境（IIEs）的普遍性如何？其主要来源是什么？
• RQ2 在IIEs中，传统基于字符串推断的反射分析技术因反射目标名称非常量或为null而失败的程度如何？
• RQ3 像Ripple这样的IIE感知反射分析能否提升静态污点分析在检测敏感数据泄露方面的精度与可靠性？
• RQ4 与字符串推断相比，Ripple基于类型推断的方法在误报率和检测覆盖率方面表现如何？
• RQ5 将Ripple与下游污点分析工具（如FlowDroid）集成后，在真实世界Android应用中会产生何种影响？

主要发现

• IIEs在真实世界Android应用中普遍存在，主要源于代码混淆、不准确的库摘要、未建模的Android服务，以及回调机制和ICC等复杂功能。
• 当类/方法/字段名称非常量或为null时，基于字符串推断的反射分析会遗漏反射目标，导致安全分析中出现显著的漏报。
• Ripple通过自动类型推断成功在IIEs中解析反射目标，其方法涵盖传统字符串推断，显著提升了分析的可靠性。
• 在17个热门Google Play应用上的评估表明，Ripple使FlowDroid能够检测到此前遗漏的数百起敏感数据泄露。
• 将Ripple与FlowDroid集成后，实现了极低的误报率，同时显著提升了安全漏洞的检测覆盖率。
• Ripple的方法有效且可扩展，表明IIE感知的反射分析对于实现Android应用中可靠且精确的静态安全分析至关重要。